基于深度学习的公交车客流统计与分析研究

发布时间：2023-05-18 23:33

　　随着智慧城市、智慧交通战略的铺开,城市公共交通信息化速度加快,公交车能够方便的获取到实时位置、道路情况等信息为乘客提供到站信息服务,但却少有提供车内拥挤度信息。车内乘客拥挤度信息的获取方法多种多样,考虑到公交车下车不需要刷卡并且一般公交车内带有监控相机的情况,目前最为方便的方法是通过计算机视觉的方式统计上下车乘客人数进而分析车内拥挤度,这其中难点在于客流统计与分析算法。基于视觉的客流统计算法研究由来已久,其中利用手动设计特征匹配模式的传统算法具有开发难度大、场景可移植性差、易受外部光照环境变化影响等缺陷,已经无法满足多变场景、稳定监控的需求,人们需要一种能适应多变场景、稳定且开发简单的算法。随着深度学习在计算机视觉领域的不断突破,深度学习算法具有应用难度小、准确度高、鲁棒性强等特点,因此研究者逐步将目光投向深度学习算法。本文使用深度学习针对公交车场景客流统计与分析展开研究,利用深度学习实时监控、统计公交车上下车人数,具体研究内容如下:1)提出了一种针对公交车场景应用的深度卷积神经网络性能分析与优化方法。该方法通过可视化深度学习模型权重、中间层特征图、运行时间等分析、定位模型瓶颈,并针对...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 目标检测算法的国内外研究现状
        1.2.2 客流统计技术的国内外研究现状
    1.3 本文的研究内容与结构安排
第2章 基于深度学习的客流统计理论与技术
    2.1 引言
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 卷积神经网络权重更新原理
    2.3 乘客检测算法原理
    2.4 数据集与评价指标
    2.5 本章小结
第3章 基于VGG16-SSD的公交车客流统计与分析算法
    3.1 引言
    3.2 数据集
    3.3 VGG16-SSD目标检测算法
        3.3.1 VGG16卷积神经网络
        3.3.2 SSD
        3.3.3 BN层与Bias
        3.3.4 池化层与卷积步长
    3.4 实时客流统计系统
        3.4.1 视频预处理与客流统计
        3.4.2 基于卡尔曼滤波的跟踪算法
        3.4.3 基于标定线的乘客统计算法
    3.5 实验设计
        3.5.1 VGG16-SSD模型训练
        3.5.2 VGG16-SSD模型分析与改进
        3.5.3 实时客流统计系统对比实验
    3.6 实验结果与分析
        3.6.1 VGG16-SSD模型训练数据
        3.6.2 模型分析结果
        3.6.3 实时客流统计系统对比实验结果
    3.7 本章小结
第4章 快速实时公交车客流统计与分析系统
    4.1 引言
    4.2 轻量化模型
        4.2.1 深度可分离卷积
        4.2.2 Linear Bottleneck结构
        4.2.3 Squeeze-and-excitation结构
        4.2.4 Mobile Net
    4.3 快速实时公交车客流统计系统
        4.3.1 图像增强算法
        4.3.2 快速实时客流统计系统
    4.4 轻量化模型和快速实时客流统计系统实验设计与结果分析
        4.4.1 轻量化模型对比实验设计与结果分析
        4.4.2 快速实时客流统计系统对比实验与结果分析
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
指导教师对研究生学位论文的学术评语
学位论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：3819218